يعني إيه علم الإحصاء؟

علم إنك تتعلّم من البيانات

الإحصاء هو علم إنك تتعلّم من البيانات. بيدّيك الأدوات اللي تجمع بيها المعلومات وتنظّمها وتحلّلها وتفهمها — وده بيساعدك تاخد قرارات وإنت مش متأكد. من التجارب السريرية اللي بتحدد الدوا الجديد بيشتغل ولا لأ، لاستطلاعات الرأي اللي بتتوقع الناخبين هيصوّتوا إزاي، لاختبارات A/B اللي بتحسّن الأبلكيشنز اللي بتحبها، الإحصاء موجود في كل حتة.

في الأساس، الإحصاء بيجاوب على سؤال بسيط بس قوي: نقدر نستنتج إيه من البيانات اللي في إيدينا، وواثقين في الاستنتاج ده قد إيه؟ السؤال ده في قلب العلوم والبيزنس والطب والسياسات العامة.

البيانات وعدم اليقين

إحنا عايشين في دنيا معلوماتها ناقصة. كل قياس فيه شوية noise (ضوضاء)، وكل sample (عينة) هي حتة صغيرة من الكل، والمستقبل عمره ما بيبقى مضمون. الإحصاء بيدّينا أدوات نقيس بيها عدم اليقين وناخد قرارات رغم إنه موجود.

فكّر في دكتور عايز يعرف العلاج ده بيشتغل ولا لأ. مينفعش يجرّبه على كل مريض في الدنيا — هو بيجرّبه على sample ويستخدم الإحصاء عشان يعرف التحسّن اللي شافه حقيقي ولا مجرد صدفة. وده بالظبط التحدي الأساسي اللي الإحصاء بيحلّه.

الـ population قصاد الـ sample

من أهم التفرقات في الإحصاء التفرقة بين الـ population (المجتمع) والـ sample. الـ population هو المجموعة كلها اللي إنت عايز تدرسها — كل ناخب في البلد، كل موبايل خارج من المصنع، كل مريض عنده مرض معيّن. والـ sample هي الجزء اللي إنت فعلًا بتشوفه.

نادرًا جدًا لما نوصل للـ population كله. بدل كده، بنجمع sample ونستخدمها عشان نعمل inferences (استدلالات) عن الـ population. وفن الإحصاء وعلمه إنك تعرف إزاي تطلع باستنتاجات صح من بيانات محدودة.

الـ descriptive statistics

قبل ما نعمل أي inferences، لازم الأول نلخّص بياناتنا. الـ descriptive statistics (الإحصاء الوصفي) هي الأدوات اللي بتساعدنا في ده. بتجاوب على سؤال: بياناتنا شكلها عامل إزاي؟

أشهر الـ descriptive statistics هي مقاييس الـ central tendency (النزعة المركزية) (مركز البيانات فين؟) ومقاييس الـ spread (التشتت) (البيانات بتتغيّر قد إيه؟). الـ mean (المتوسط) والـ median (الوسيط) والـ mode (المنوال) بيقولولنا على المركز؛ والـ variance (التباين) والـ standard deviation (الانحراف المعياري) بيقولولنا على الـ spread.

الـ inferential statistics

الـ descriptive statistics بتلخّص اللي بنشوفه، لكن الـ inferential statistics (الإحصاء الاستدلالي) بتخلّينا نطلع باستنتاجات عن اللي مش قادرين نشوفه. بنستخدم بيانات من sample عشان نقول حاجات عن الـ population الأكبر.

أهم أداتين في الـ inferential statistics هما الـ hypothesis testing (اختبار الفرضيات) والـ confidence intervals (فترات الثقة). الـ hypothesis testing بيسأل: هل فيه أدلة كفاية تدعم ادعاء معيّن؟ والـ confidence intervals بتدّينا مدى من القيم المعقولة لـ parameter (معلمة) في الـ population. الاتنين مع بعض هما العمود الفقري للبحث العلمي.

الـ probability: الأساس

تحت الإحصاء كله فيه الـ probability (الاحتمال) — اللغة الرياضية لعدم اليقين. الـ probability بتدّي رقم بين 0 و1 لكل نتيجة ممكنة: 0 يعني مستحيل، 1 يعني أكيد، واللي بينهم بيعبّر عن درجة اعتقادنا أو قد إيه الحاجة مرجّحة.

الـ probability هي الخيط اللي بيربط البيانات بالقرارات. كل اختبار إحصائي، وكل confidence interval، وكل نموذج تنبؤ مبني على أساس نظرية الاحتمالات.

الإحصاء في كل حتة

الإحصاء مش محبوس في الكتب. ده جزء حي وشغّال من الدنيا الحديثة. ودي شوية مجالات التفكير الإحصائي فيها بيحرّك قرارات حقيقية:

الطب: التجارب السريرية بتستخدم الإحصاء عشان تحدد الدوا فعّال وآمن ولا لأ. من غير دقة إحصائية، مش هنقدر نفرّق بين العلاج الحقيقي والـ placebo (العلاج الوهمي).

التكنولوجيا: اختبارات A/B — العمود الفقري لقرارات المنتجات في شركات زي Google وNetflix وAmazon — هي إحصاء تطبيقي. كل لون زرار، وكل خوارزمية ترشيحات، وكل استراتيجية تسعير بتتجرّب إحصائيًا.

الرياضة: من Moneyball لحد التحليلات الحديثة، الفرق بتستخدم الإحصاء عشان تقيّم اللعيبة وتحسّن الخطط وتكسب ميزة على المنافسين.

الحكومة: بيانات التعداد والمؤشرات الاقتصادية ومراقبة الصحة العامة كلها معتمدة على طرق إحصائية عشان تبني عليها قرارات السياسات.

الفلوس والاستثمار: تقييم المخاطر وتحسين المحافظ وتسعير التأمين كلها في الأصل مسائل إحصائية.